▌序言
以下是 七月在线 学员面经及面试题目的分享，希望对你有帮助。
温馨提示：文末有免费试听福利！
公众号福利
回复【100题】领取《名企AI面试100题》PDF
回复【干货资料】领取NLP、CV、ML等AI方向干货资料
▌个人背景
先介绍下背景，我本科是美本，学的是计算机工程。
本科在美国过得很累，课业量大，几乎没怎么考虑过为以后工作做准备，学的也是软硬件结合的东西，相对定位不清晰。
18年本科毕业，在百度的自动驾驶部门实习。做的是自动驾驶底层控制代码的一些项目，也是自己本人第一次接触人工智能行业，才去了解了有算法工程师这个行业。看到算法工程师这么高的待遇和这么好的发展前景，才选择了去努力成为算法工程师，选择allin算法是我人生很重要一个决定。
▌学习概述
研究生因为各种原因，选择了去英国读研，英国的读研时间比较短，只有一年，时间很紧迫的，因此我从未给自己放过假，即使是周六日也在学习。
在此期间我遇到一个很好的导师，让我和博士生一起做实验，主要是CV医疗方向，最后和我一起的博士发了一篇MICCAI，给了我一个第二作者。
如果是还在校的学生，导师有机器学习方向的项目，一定要争取能做，对简历提升还是非常好的，最重要的是能学到很多东西和前沿的想法，这个在自学或者网课是不一定学得到的。
自学和网课更像是盖地基，而学校导师做的项目是属于提高你的上限。最终我选择了做推荐算法，而没有去做CV，并不光是因为CV内卷，而是CV的实际产出有点问题，CV目前比较火的方向是跟移动端相关的，短视频等等，这几个方向是CV比较缺人的方向。有认识很厉害的学长，去找CV工作，没有收到offer，但是转推荐算法，很轻松就拿到了 SP和SSP offer。树挪死，人挪活，根据自己的情况，选择方向还是很重要。
接下来说我的学习经历：
在百度实习4个月以后，我辞职自己在家自学了大概半年才去读的研究生。个人认为机器学习入门是一件很困难的事情。在网上调个包和跑代码，那都不叫入门。
真正对于入门而言，是了解了算法的基础理论和背景。我本科微积分学得还不错，但是统计学没有系统学过，所以我做第一件事就是复习统计学，网上免费的公开课和资料很多，首先把统计学的内容过一遍，哪怕不熟练也是没有关系的，看过一遍起码有一个映像。
我看有网上的介绍入门看《统计学习方法》和《深度学习》（花树）还有周志华老师的《机器学习》(西瓜书)。其实这些书都是不推荐零基础入门的！或者是对于零基础的同学，又或者像我这种大学学完统计，考完试就忘了的人。
对于零基础的同学，一定是先报网课！网课老师一定会掰开揉碎了给你讲明白，七月的课我看了很多，讲原理的也看了，像GBDT,XGBOOST,SVM,PCA的讲解都非常好，而且课件老师也会提供给你。
目前最新的推荐高级班已迭代至第12期，且本期高级班继续沿用了“BAT大咖小班教学”模式，以及已有的特色。
内容全面系统：包括推荐常用算法、真实场景推荐、推荐前沿技术等四大阶段的内容；
标准化项目流程：涵盖环境和数据准备、特征工程、模型构建、模型调优、上线部署等；
多对一就业指导：单独指导每个人的就业，包括且不限于简历指导、面试辅导、就业内推；
其次，相比上期，本期
技术阶段新增：最新paper的学习研究和大厂落地新的技术点（推荐算法特征交叉新方法CAN，和参数个性化CTR模型PPNet等）
项目阶段新增：2020腾讯广告算法大赛和微信视频号推荐两大全新项目一切为更好的在职提升，或跳槽涨薪/升职加薪。
且本期课程讲师均为国内外知名技术骨干或技术大牛，学员将在这些顶级讲师的手把手指导下完成学习。
完成项目进入就业阶段后，BAT等大厂技术专家会一对一进行简历优化（比如将高级班项目整理到简历中）、面试辅导（比如面试常见考点/模型/算法），且和就业老师一起进行就业推荐等等就业服务。
机会永远留给提前做好准备的人！如果你想从事推荐方向的工作，想在最短时间内成长为行业中高级人才，进入知名互联网公司，扫码咨询课程详情！
扫码“领取面试资料+课程试听”
等你看完了七月上传统机器学习和深度学习的网课，再去看之前我提到的三本算法圣经，一定会给你更好的理解。
▌工作概述
找工作因为疫情原因，回国晚了，阿里集团的招聘已经过了，只投了两家。本人想去杭州，所以投的base都是杭州的，选择面也小。蚂蚁金服和新浪微博，都拿到了口头offer，最后因为hc问题，去了新浪。
蚂蚁金服是3月份开始招实习生，然后秋招能尽早最好，我是走的内推，那时候已经10月份了，很晚了，只是HR说能帮我争取一下HC，才去试了试，虽然我面过了技术面，但是HC还是没有申请到。不过面试经历非常好，阿里的面试官非常nice，给了我很多启发，所以多面面一定是对自己有帮助的。最终去了新浪微博的机器学习研发部门，也是一个不错的选择。
▌面试总结
下面说面试相关：
刷题方面，leetcode不要无脑刷，先去刷leetcode上的剑指offer，把剑指offer的题目刷熟了，再去leetcode上分类(堆，栈，等等)刷题。
简历上写的东西，一定要非常清楚！如果你是和别人共事了一个比赛或者项目，哪怕是他做的那一部分，你也要相当清楚。总之简历上的东西，在面试的时候是会被问得非常细致的。
举个例子：比如我参加了某算法比赛，面试官会问我，为什么应用这个算法，优点和缺点，为什么不用xx算法，这个比赛的数据集是什么样的，对结果的评价标准是什么样的。有没有看过比你比赛成绩更好的人的solution。
列举一些常问的问题：
1.如何解决过拟合
2.L1和L2正则化的区别
3.常用的损失函数(分类和回归都要说)，交叉熵的公式。
4.标准化和归一化的区别，标准化的作用，归一化的作用。
5.Cosine相似度和欧式距离的区别，实际应用场景。
6.有那些优化算法，SGD和ADAM的区别。
7. SVM, PCA原理
8.深度学习CV方面的数据增强方法，传统机器学习有哪些数据增强方法。
其实对于应届生，面试都不会刁难你，更多的是考察你的基础知识是否牢固。据我所知的同届应届生中，面偏开发的工程岗，很少有让你当面手推公式的，面试官是很忙的。只有偏科研的岗位，会要求手推公式，甚至可能会给你统计学的数学题目做。对于应届生，其实大厂是不会很看重业务能力的，当然有好的经历会给你拿到sp和ssp offer，但是不看业务能力不代表不看实践。参加算法比赛，学校内的科研项目，实习等都是算法的实践。
另外一方面，大厂同时看重的是应届生的机器学习基础功底是否扎实，是否有自己的思考，成长性和自学能力。七月在线的算法课，认真看，觉得有问题可以问助教或者百度。
七月的课可以解决大家基础知识的问题。但是对机器学习的深入理解和思考，还是要靠自己。我个人认为与同行还有七月的助教老师交流和深入学习统计学是有助于自己对机器学习算法的思考的，这也是为什么有些大厂的算法科研岗位会要求很强的统计学功底。想从事这门行业的同学一定多与同行交流。
祝大家都能在算法行业深耕！
希望大家都可以早日收获申请的好消息！
机会永远留给提前做好准备的人！如果你想从事推荐方向的工作，想在最短时间内成长为行业中高级人才，进入知名互联网公司，学长学过的【推荐高级班】限时免费试听，扫码咨询课程详情！
扫码“领取面试资料+课程试听”
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
